O que medimos e o que encontrámos
Durante um trimestre apontámos a monitorização de visibilidade em IA para o nosso próprio site e anotámos o que ela dizia, incluindo as partes que não eram lisonjeiras. Em resumo: a nossa taxa de citações de IA é baixa precisamente onde mais importa, o método que usámos moveu o número mais do que a realidade subjacente, e o resultado de longe mais útil do exercício foi aprender a desconfiar de um número de aspeto limpo que veio do instrumento errado. Este é o primeiro de uma série trimestral, por isso os números abaixo são uma linha de base, não uma volta de honra.
A maior parte do que se escreve sobre visibilidade em IA é conselho. Isto é medição. Somos uma agência que defende servir à IA HTML limpo renderizado no servidor, por isso era justo verificar se a própria agência é citada. A resposta, ao longo de três instantâneos em abril, maio e junho de 2026, foi mais interessante do que um único número.
Primeiro vem o problema do instrumento
Antes de qualquer conclusão, a ressalva que reenquadra todas as outras. Há duas formas comuns de medir com que frequência uma IA o cita, e elas não concordam.
A forma barata é um proxy de API. Envia os seus prompts através da API de um modelo, lê o texto que volta e conta menções à marca e ligações. É reprodutível e quase gratuito, e por isso está em todo o lado. A sua fraqueza é que o caminho da API não é o produto que um cliente usa. As comparações publicadas situam a sobreposição de fontes entre as respostas da API e a interface web de consumo em baixos números de um dígito, por isso um proxy pode dizer-lhe que um modelo conhece o seu nome em abstrato sem lhe dizer nada de fiável sobre o que um utilizador real vê.
A forma honesta é monitorizar as respostas reais de consumo, as mesmas respostas que uma pessoa recebe na interface do ChatGPT ou do Perplexity, incluindo que fontes o produto realmente apresenta. Custa mais e é mais difícil de automatizar. É também o único número que corresponde a uma visita perdida ou ganha.
Usámos ambas, por esta ordem, e a diferença entre elas é a lição mais reutilizável deste relatório.
Abril: a linha de base barata do proxy
O nosso primeiro instantâneo, a 6 de abril, foi uma execução de proxy de API. Os números principais, em 26 consultas contra o ChatGPT:
| Métrica | Resultado |
|---|---|
| Taxa de menção à marca | 7,7 por cento (2 de 26) |
| Taxa de citação de URL | 0 por cento |
| Categoria mais forte | Plugins, 14,3 por cento de menção |
| Categoria transacional | 12,5 por cento de menção |
| Informativa e local | 0 por cento de menção |
Uma taxa de menção abaixo de oito por cento e uma taxa de citação de zero leem-se como um desastre. O detalhe mais útil é quem foi citado em vez de nós. Quando o modelo procurou uma fonte sobre trabalho polaco em WordPress, nomeou diretórios e portais de emprego: pracuj.pl apareceu três vezes, a par de clutch.co, olx.pl, home.pl, nazwa.pl e um anúncio de um meetup de programadores. Não são concorrentes que escreveram melhor do que nós. São agregadores em que o modelo confia como respostas genéricas a uma pergunta comercial. Esse padrão, o assistente a recorrer a um diretório em vez de um especialista, revelou-se a verdadeira história, e o polimento na própria página não o resolve.
O próprio relatório trazia o aviso que queremos que leve também: proxy de API, apenas tendências indicativas, cerca de quatro por cento de sobreposição de fontes com a interface web. Ainda não percebíamos o quanto esse aviso importava.
Maio: o instrumento falha com honestidade
O instantâneo de 11 de maio, também uma execução de proxy, devolveu um resultado que parecia um erro e era de facto o resultado mais honesto do trimestre. Em 20 consultas, repartidas por ChatGPT, Perplexity, Bing Copilot e Claude, a distribuição foi esta:
| Motor | Consultas | Citado | Taxa de citação |
|---|---|---|---|
| ChatGPT | 6 | 0 | indeterminado |
| Perplexity | 6 | 0 | indeterminado |
| Bing Copilot | 4 | 0 | indeterminado |
| Claude | 4 | 0 | indeterminado |
Todas as consultas, sem exceção, voltaram como indeterminadas. Não “não citado”, indeterminado. O proxy não conseguiu estabelecer se a resposta estava sequer fundamentada em páginas obtidas, por isso recusou-se a pontuar. Uma leitura ingénua transforma isto numa “taxa de citação de zero por cento” e numa segunda-feira de pânico. A leitura correta é que o instrumento nos disse que não conseguia ver aquilo que lhe pedíamos para medir. Uma medição que devolve indeterminado está a fazer o seu trabalho. Uma medição que devolve discretamente zero na mesma situação está a mentir-lhe, e muitos painéis de visibilidade em IA fazem exatamente isso.
Junho: monitorização real, e uma divisão útil
Em junho mudámos para monitorizar as respostas reais dos modelos em vez da API. O retrato ficou nítido de imediato, e não era uniforme.
Para uma consulta restrita, um estúdio polaco que serve clientes WordPress estrangeiros, ficámos em primeiro em cinco dos seis modelos testados. É uma posição real e defensável, e corresponde à forma como nos descrevemos. Corresponde também à realidade: é uma afirmação de identidade específica com pouca concorrência, exatamente o tipo de consulta que um especialista deve possuir.
Para as consultas transacionais sobre WooCommerce, as consultas mais próximas da receita, estávamos quase invisíveis. Os modelos responderam com confiança e não recorreram a nós. O ChatGPT foi consistentemente o canal mais fraco para a marca, devolvendo a menor presença em todo o conjunto. O Perplexity foi o mais forte, o que não surpreende quando se sabe que o Perplexity se apoia fortemente na pesquisa web em tempo real e não apenas na memória de treino. Os concorrentes que de facto surgiram eram sobretudo agências gerais de SEO e SEM que se promovem como fornecedoras de “AI SEO”, não especialistas em WooCommerce. A lacuna, por outras palavras, é de autoridade e associação, não de qualidade da página.
O que somam os três instantâneos
Lidos em conjunto, o trimestre diz três coisas com clareza.
Primeiro, o método faz parte do número. As execuções de proxy de abril e maio e a execução de monitorização real de junho mediram o mesmo site nas mesmas semanas, e discordaram o suficiente para que citar qualquer número isolado sem o seu método fosse enganador. Se uma ferramenta lhe dá uma taxa de citações de IA sem lhe dizer se leu a API ou o produto, desconfie dela.
A medição em primeira mão é o objetivo de todo este exercício, e é a mesma disciplina que aplicamos ao trabalho de cliente: um número que não consegue reproduzir não é prova. Aprendemos a mesma lição da forma difícil com uma experiência de marca sintética, em que um modelo descreveu com confiança uma empresa que não existia. Medir uma marca real tem o modo de falha oposto, reportar com confiança zero quando a verdade é desconhecida, e ambos remetem para verificar o instrumento antes de confiar na leitura.
Segundo, as consultas de identidade são ganháveis e as transacionais não, pelo menos não na própria página. Mantemos a consulta de posicionamento restrita porque é específica e pouco disputada. Perdemos as consultas comerciais porque os modelos se apoiam em diretórios e agências generalistas, e nenhuma quantidade de HTML mais limpo muda quem um modelo já associa a “programador WooCommerce”. Isso é um problema de autoridade fora da página.
Terceiro, o canal importa. Uma marca pode ser citada no Perplexity e estar quase ausente no ChatGPT na mesma semana, porque os dois produtos fundamentam as respostas de forma diferente. Uma única “pontuação de visibilidade em IA” misturada esconde precisamente a informação de que precisa.
O que mudámos
Não reescrevemos páginas em reação a um número de proxy, porque isso seria otimizar para um instrumento em vez de para um cliente. Em vez disso, a medição mudou onde investimos esforço.
- Fixámos o conjunto de consultas e a cadência: uma lista estável de consultas de identidade, informativas e transacionais, registada mensalmente, com o motor e a data carimbados em cada número.
- Deixámos de comparar números de proxy com números de monitorização real, e agora rotulamos cada número com o seu método.
- Movemos o trabalho de visibilidade transacional para fora da página, porque a lacuna aí é associação e autoridade, não conteúdo na própria página, e isso está documentado na nossa abordagem de GEO e LLMO em vez de noutra reescrita.
- Continuámos a servir tudo em HTML renderizado no servidor, que é a condição prévia para sermos sequer citáveis, e o tema da nossa nota sobre porque é que os assistentes ocidentais leem HTML em bruto.
Como fazer isto por si próprio
Não precisa do nosso orçamento para começar. A configuração honesta mínima é uma lista fixa de dez a vinte consultas que clientes reais fariam, executada uma vez por mês, com três colunas registadas de cada vez: o motor, a data e se a sua marca foi nomeada ou o seu URL ligado. Acrescente uma quarta coluna para os outros domínios que foram citados, porque isso diz-lhe contra quem está realmente a competir na resposta, e raramente é quem suspeita.
Se usa uma ferramenta automatizada, faça-lhe uma pergunta antes de confiar num único gráfico: estás a ler a API ou o produto? Se não conseguir responder, trate o resultado apenas como indicativo, tal como as nossas execuções de abril e maio. E nunca deixe uma ferramenta transformar um resultado indeterminado num zero confiante.
A conclusão honesta
Um trimestre a medir as nossas próprias citações de IA produziu um número incómodo, a nossa taxa de citação transacional é baixa, e um hábito genuinamente valioso, nunca citar um número de visibilidade em IA sem o método que o produziu. As execuções de proxy fizeram-nos parecer piores do que a realidade em maio, e a monitorização real mostrou uma posição de identidade defensável que o proxy tinha falhado. Ambas as leituras foram úteis precisamente porque anotámos como cada uma foi feita. Este é o relatório um. Publicaremos o próximo instantâneo no final do trimestre, sobre o mesmo conjunto de consultas, para que a série possa ser comparada em vez de admirada. Se quer ser citado pela IA, comece por medi-lo com honestidade, e integre isso no fluxo de trabalho que descrevemos para GEO e LLMO.
